campionamento e quantizzazionefstanco/lezioni_iem_2007_2008/lez... · nyquist è 1: il fenomeno si...

Campionamento e quantizzazione

Interazione & Multimedia


Dato un segnale continuo occorre scegliere un numero finito di “campioni” rappresentativi del segnale.

Il valore in ogni singolo punto del segnale è un numero reale, occorre scegliere dei valori discreti per rappresentare correttamente il segnale.

2



3



4


Campionamento - Esempio

6

Interazione & Multimedia 7

Un errore nel tasso di campionamento può stravolgere un segnale in due modi:

a) Un campionamento troppo basso fa perdere dettagli ed informazioni; sebbene grave una tale perdita è spesso una necessità: non possiamo conservare milioni di campioni e ci accontentiamo di perdere informazioni pur di tenere il database delle misure ottenute in dimensioni maneggevoli.

b) Un campionamento troppo basso può far apparire nella immagine dettagli NON PRESENTI nell’originale. Il segnale viene “alterato” e cambiato in qualcosa di “altro”. Si parla di “aliasing”. L’aliasing è un fenomeno sottile ma poiché esso è imprevedibile richiede attenzione.


Come scegliere il giusto campionamento?

Per scegliere il giusto valore di

campionamento si ricorre ad un teorema fondamentale: il teorema di Shannon.

Tale teorema si basa sulla misura della frequenza di Nyquist.

Ma cos’è?

8


Nyquist rate (Harry Nyquist, 1928)

Si definisce Nyquist rate la più alta frequenza in un segnale continuo e limitato.

9


Non daremo una definizione rigorosa ma una “operativa” in 1D. La generalizzazione a 2d è immediata. Si osservi un fenomeno che si svolge in un intervallo a…b • Se il fenomeno è (approx) costante durante tutto l’intervallo, la frequenza di Nyquist è 1: il fenomeno si svolge in un unico ciclo. • Altrimenti si divide l’intervallo in 2 parti e si controlla per ciascun intervallino il fenomeno si mantiene (approx) costante (esso può però variare da intervallino ad intervallino). • Si procede in tal modo dividendo l’intervallo in 3, 4, … parti fino a trovare una suddivisione tale che entro ciascun intervallino il fenomeno sia in pratica costante.

Sia tale suddivisione in N parti. N si dice frequenza di Nyquist del fenomeno sull’intervallo osservato.

Nyquist rate (in pratica)


Dominio del tempo…

11

Attraverso l’operazione di Serie di Fourier…


… e della frequenza

12

… si passa ad un dominio differente: frequenze.

Spettro del segnale precedente

Frequenza di Nyquist

Presenter

Presentation Notes

Spettro del segnale


Teorema del campionamento di Shannon (Claude E. Shannon, 1949)

Se si raccolgono campioni con frequenza

almeno doppia della frequenza di Nyquist (2N nel nostro caso) il segnale può essere ricostruito FEDELMENTE in ogni suo punto!

13


14

Diametro tratto: 4 pixel

Diametro tratto: 6 pixel

Applicazione alle immagini


Usiamo i tratti fini. Se preserviamo questi, allora abbiamo preservato anche gli altri. La nostra “freq. di Nyquist” è allora:

dimensione quadro 720 pixel, dettaglio massimo 4 pixel, possiamo dividere l’intervallo in 720/4=180 tratti.

Il doppio della frequenza di Nyquist è 360. Prenderemo allora solo 360 campioni e ricostruiremo con l’interpolazione binomiale l’immagine.

Campionata con 360 x 360 campioni

Originale con 720 x 720 campioni

Campionamento corretto


Campionamento corretto

Riscalo l’immagine in modo che quella campionata abbia la stessa dimensione di quella originale (uso algoritmo di interpolazione).

16

Ricostruita con 360 x 360 campioni Originale con 720 x 720 campioni


Decidiamo di volere trascurare i tratti fini. La nostra ipotetica “freq. di Nyquist” è allora: dimensione quadro 720 pixel, dettaglio massimo 6 pixel, possiamo dividere

l’intervallo in 720/6=120 tratti. Il doppio della frequenza di Nyquist è 240. Prenderemo allora solo 240 campioni e

ricostruiremo con l’interpolazione binomiale l’immagine.

Campionamento sbagliato




Campionamento sbagliato


18



Campionamento sbagliatissimo

Campioniamo NON al doppio della frequenza di Nyquist ma esattamenta ad essa

19




Campionamento sbagliatissimo


20



720 campioni 360 campioni

240 campioni 120 campioni


Sottocampionamento

Ma cosa succede se si campiona ad una frequenza inferiore a quella di Nyquist?

Si perdono dei dettagli significativi e spesso si introducono nuovi dettagli che non sono presenti nella realtà.

23


Aliasing

Questo fenomeno è detto frequency aliasing o semplicemente aliasing

Con l’aliasing le alte frequenze sono “mascherate” da basse frequenze e trattate come tali nella fase di campionamento.

Aliasing proviene da Alias cioè falsa identità!

24


Segnale reale.

Campionamento “rado”

Ricostruzione per interpolazione (si perdono dettagli = alte frequenze)

Perdita di dettagli


Campionamento Un pixel ogni 256

Ricostruzione con interpolazione bicubica

Si perdono dettagli, graffi e disegni sulle rocce sono divenuti indistinguibili e sono apparsi NUOVI dettagli!

a) Ovvie scalettature sui bordi dei sassi.

b) Fori che non erano presenti nell’originale!

Aliasing


originale

ricostruito

Se si fosse trattato di una onda sonora un suono acuto sarebbe stato sostituito da un suono grave!

Quanti campioni prendere per riprodurre un suono con fedeltà accettabile? (passo essenziale per fare un CD!)

Aliasing


originale ricostruito Appaiano nuovi inesistenti dettagli (“artifacts”)

Aliasing

29

Animazione costruita con tutti i campioni disponibili Animazione costruita

Usando un campione ogni 4

Animazione costruita Usando un campione ogni 25 Essa viene percepita come retrograda! (Alias temporale: un movimento viene sostituito ad un altro!)


Aliasing

Nella realtà l’aliasing è sempre presente anche se in condizioni minime.

Esso viene introdotto quando si impone che il segnale sia limitato per essere campionato.

L’aliasing può essere ridotto applicando una funzione di smussamento sul segnale originario prima del campionamento (anti-aliasing).

30


Aliasing

31


Moirè

32


Immagini reali da Facebook

34


Wagon wheel

Cercate i video su YouTube inserendo “wagon wheel aliasing”…

35

La quantizzazione


Quantizzazione

I sensori sono apparecchiature analogiche: forniscono misure di luminosità come numeri REALI.

È utile arrotondare tali valori.

Tale processo si chiama QUANTIZZAZIONE

37


Quantizzazione

• In più le misure sono sempre soggette a ERRORE a causa di difetti nel sensore o di perturbazioni termiche (“rumore”).

• Nei CCD anche a obiettivo chiuso ci sono correnti parassite che inducono rumore dentro il dispositivo elettronico dette “dark current”.

38


Quantizzazione: procedura generale

Se i valori da quantizzare sono numeri reali nel range [a, b] e si vuole quantizzare su n livelli:

Si fissano n+1 numeri in [a, b]: t0=a < t1 < t2 < … < tn < tn+1=b

Il numero x in [a,b] verrà assegnato al livello di quantizzazione k se risulta:

tk<= x < tk+1 (b viene assegnato al livello n.) A ciascun livello si assegna un valore rappresentativo Qi


Quantizzazione: diagramma

Livello 3: Q3

Livello 2: Q2

Livello 1: Q1

Livello 0: Q0

t0

t4

t3

t1

t2

Fissato il numero di livelli di quantizzazione si pone il problema di come rappresentare in memoria tali livelli. Ovviamente utilizzeremo delle etichette numeriche.

Quanti bit sono necessari per ricordare quale livello di luminosità si misura in un punto?

Nell’esempio ne bastano 2 = log(4)

In generale se ci sono N livelli occorre rappresentare N etichette numeriche e avremo bisogno di un numero di bit pari a:

B = log (N)


Quantizzazione - Esempio

41

Presenter

Presentation Notes

Possibile esercizio!


La quantizzazione

La quantizzazione effettuata dagli scanner commerciali e dalla fotocamere digitali è non uniforme e logaritmica: ciò permette di assegnare più livelli nella area dei toni scuri e meno livelli nella area dei toni chiari.

Questo è particolarmente importante quando si elaborano dati medici (es.radiografie)

Quantizzazione uniforme

Quantizzazione logaritmica


Quantizzazione: effetti sulle immagini

2 livelli 1 bit

4 livelli 2 bit

8 livelli 3 bit

256 livelli 8 bit


Quantizzazione Quantizzazione uniforme: - range in ingresso 0…N-1, - range in uscita 0…K-1 con K<=N.

Se L è il livello di ingresso rappresentato da un intero il livello L’ corrispondente dopo la quantizzazione è:

L’ = (L*K)/N

Esempio: portare 0…255 in 0…7 con quantizzazione uniforme. Il livello 10 diviene (10*8)/256 = 0 Il livello 20 diviene (20*8)/256 = 0 il livello 30 diviene (30*8)/256 = 0 Il livello 32 diviene (32*8)/256 = 1 eccetera…


Quantizzazione

Quantizzazione non uniforme: - range in ingresso 0…N-1, - range in uscita 0…K-1 con K<=N.

Se L è il livello di ingresso rappresentato da un intero il livello L’ corrispondente dopo la ri-quantizzazione è:

L’ = f(L,N,K)

La funzione f(L,N,K) definisce lo schema di riquantizzazione, e può avere le forma più varie. Tra le più comuni è la

Quantizzazione logaritmica: f(L,N,K) = (log(L)*K)/log(N) (si intende per log la parte intera del logaritmo in base 2)

Nel caso più comune N=256, log(N)=8 e K=8, o comunque in generale log(N)=K, per cui f(L,N,K)=log(L).

Tuttavia si potrebbe volere portare il range 0…255 in 0…15 e in tal caso la formula di cui sopra ritorna utile.

campionamento e quantizzazionefstanco/lezioni_iem_2007_2008/lez... · nyquist è 1: il fenomeno si...

Documents